基于方向约束的对称距离聚类算法

• 作者: 李际军 陈强业
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: K-means算法 聚类 对称距离 方向约束
• 年，卷（期）: 2015,（20）
• 所属期刊栏目: 数据库、数据挖掘、机器学习
• 页码范围: 120-125
• 页数: 6页
• 分类号: TP301.6
• 字数: 6553字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.1310-0118

摘要

K-means算法是数据挖掘领域研究、应用都非常广泛的一种聚类算法，其各种衍生算法很多，其中包括近年出现的以点对称距离为测度的K-means聚类算法。在点对称距离聚类算法的基础上提出一种新的聚类算法，根据对对称性的分析，为对称性的描述增加方向约束，提高对称距离的描述准确性，以此来提高聚类的准确性。同时，针对对称点成对出现的特点，调整了聚类过程中的收敛策略，以对称点对连线中点计算聚类中心，改善了基于对称距离的聚类算法收敛性能。通过数值仿真比较了所提算法与原有算法的优劣，结果显示该算法在计算复杂度不变的条件下获得了更准确的结果，聚类结果更接近数据的真实分类。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李际军	浙江大学计算机科学与技术学院	44	518	9.0	21.0
2	陈强业	浙江大学计算机科学与技术学院	9	6	1.0	1.0